<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[千月星跡]]></title><description><![CDATA[アイをも求めて彷徨っている孤独なヒーロー]]></description><link>https://blog.csdn.net/Last_Impression</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; Last_Impression]]></copyright><item><title><![CDATA[【人工智能】提示词注入攻击：原理、场景与四道防线]]></title><link>https://blog.csdn.net/Last_Impression/article/details/167266977</link><guid>https://blog.csdn.net/Last_Impression/article/details/167266977</guid><author>Last_Impression</author><pubDate>Fri, 09 Oct 2026 08:30:00 +0800</pubDate><description><![CDATA[提示词注入攻击利用恶意指令伪装成正常输入，诱使AI误执行越权操作或泄露数据。本文剖析其原理与常见场景，提出四道防御防线：模型对齐（区分指令与内容）、内容探针（扫描恶意指令）、行动检查（权限与任务匹配）、环境限制（明确操作边界）。虽无法完全杜绝，但有效降低风险。建议配合每日审计与异常报警机制，强化AI系统安全防护。]]></description><category></category></item><item><title><![CDATA[【人工智能】缓存命中率：从原理到业务场景的全面解读]]></title><link>https://blog.csdn.net/Last_Impression/article/details/167258805</link><guid>https://blog.csdn.net/Last_Impression/article/details/167258805</guid><author>Last_Impression</author><pubDate>Thu, 08 Oct 2026 08:47:50 +0800</pubDate><description><![CDATA[缓存命中率是衡量系统是否重复劳动的关键指标，而非代码质量的评判标准。通过餐厅点餐比喻可理解其原理：缓存如备忘录，命中即直接取用旧结果，未命中则需重新计算。命中率波动未必代表故障，可能源于任务类型或统计口径变化。它并非越高越好，应结合业务场景判断——读多写少时有益，频繁更新场景下高命中率反致数据过期。最终，缓存命中率是系统效率的“体检报告”，帮助识别无谓消耗。]]></description><category></category></item><item><title><![CDATA[【人工智能】沙箱AI Agent 的安全隔离屏障]]></title><link>https://blog.csdn.net/Last_Impression/article/details/167258700</link><guid>https://blog.csdn.net/Last_Impression/article/details/167258700</guid><author>Last_Impression</author><pubDate>Thu, 08 Oct 2026 08:40:21 +0800</pubDate><description><![CDATA[沙箱AI Agent通过软件或硬件构建隔离环境，实现高风险代码的安全执行。其核心原理为资源隔离与访问控制，确保程序无法触碰真实系统。相比虚拟机与容器，沙箱更轻量且专注安全防护，分为技术沙箱（防崩溃、防病毒）与业务沙箱（保护真实数据）。尽管存在沙箱逃逸风险，但通过持续更新补丁，仍能有效保障系统稳定，是AI应用中不可或缺的安全屏障。]]></description><category></category></item><item><title><![CDATA[【人工智能】需求不明确时用普通Chat降低Token消耗]]></title><link>https://blog.csdn.net/Last_Impression/article/details/167179216</link><guid>https://blog.csdn.net/Last_Impression/article/details/167179216</guid><author>Last_Impression</author><pubDate>Wed, 07 Oct 2026 00:56:54 +0800</pubDate><description><![CDATA[需求不明确时，应先在普通Chat中厘清目标、功能与验收标准，再将整理后的清晰说明交予Codex执行。此举可避免反复讨论与方案修改，有效降低Token消耗，提升效率，确保额度集中用于实际开发，尤其适用于复杂项目初期的规划阶段。]]></description><category></category></item><item><title><![CDATA[【人工智能】Token 计费机制详解：从词元到缓存命中]]></title><link>https://blog.csdn.net/Last_Impression/article/details/167179194</link><guid>https://blog.csdn.net/Last_Impression/article/details/167179194</guid><author>Last_Impression</author><pubDate>Wed, 07 Oct 2026 00:53:40 +0800</pubDate><description><![CDATA[本文详解大模型计费核心——Token，解析其作为文本最小单位的定义与分词原理，区分输入与输出Token的计价差异。通过自媒体文案生成案例，揭示看似简单任务背后可能消耗百万Token的真相，并建议降低推理强度以节省成本。重点介绍缓存命中机制：重复上下文可避免重复计算，使输出Token成本降至1/10，显著降低使用开销。]]></description><category></category></item><item><title><![CDATA[【人工智能】知识库是你的消化系统]]></title><link>https://blog.csdn.net/Last_Impression/article/details/167129970</link><guid>https://blog.csdn.net/Last_Impression/article/details/167129970</guid><author>Last_Impression</author><pubDate>Tue, 06 Oct 2026 08:30:00 +0800</pubDate><description><![CDATA[知识库不是仓库，而是消化系统——真正有用的知识必须内化为自己的血肉。避免“仓库式”堆砌，应以“消化系统式”使用：存入前自问为何存、是否真理解、能否用自己的话表达。学生可存笔记与感悟，上班族记录工作日志，人人皆可沉淀思考与生活体悟。唯有主动思考、自我转化，知识才能成为你独特的竞争力。]]></description><category></category></item><item><title><![CDATA[【人工智能】多智能体协作：省Token的四种方法与协作本质]]></title><link>https://blog.csdn.net/Last_Impression/article/details/167080495</link><guid>https://blog.csdn.net/Last_Impression/article/details/167080495</guid><author>Last_Impression</author><pubDate>Mon, 05 Oct 2026 08:00:00 +0800</pubDate><description><![CDATA[多智能体协作核心在于控制上下文、节省Token。通过主智能体指挥或同级沟通模式，需避免冗余交互。省Token四法：只交结论、共享文件、一次派清任务、不拆分线性流程。协作本质是合理分工与边界划分——仅并行且独立的任务才宜拆分，目的非开多窗口，而是保障质量与上下文清晰，实现高效协同。]]></description><category></category></item><item><title><![CDATA[【人工智能】多Agent还是更强的大模型]]></title><link>https://blog.csdn.net/Last_Impression/article/details/167080086</link><guid>https://blog.csdn.net/Last_Impression/article/details/167080086</guid><author>Last_Impression</author><pubDate>Mon, 05 Oct 2026 08:00:00 +0800</pubDate><description><![CDATA[多Agent并行可加速可拆分任务（如查资料、搜集素材），但成本高且协作难，适用于赶时间场景；而需风格统一或强推理的任务（如写小说、解难题），仍应依赖功能更强的大模型。选择关键在于任务特性：可并行则用多Agent，需深度思考则选大模型。]]></description><category></category></item><item><title><![CDATA[【人工智能】AI 使用方式，暴露你的段位]]></title><link>https://blog.csdn.net/Last_Impression/article/details/166995592</link><guid>https://blog.csdn.net/Last_Impression/article/details/166995592</guid><author>Last_Impression</author><pubDate>Sat, 03 Oct 2026 08:30:00 +0800</pubDate><description><![CDATA[AI 使用方式暴露个人段位：从“高级搜索引擎”到“工作搭子”，再到“业务杠杆”，最终升维至“系统化空气”。真正的差距不在工具，而在是否让AI替你决策、构建自动化流水线。别问“用哪个AI”，而要自问：它是否在替你思考？是否已成系统？改变，始于一次深度提问与流程整合。]]></description><category></category></item><item><title><![CDATA[【人工智能】WorkBuddy高效配置指南]]></title><link>https://blog.csdn.net/Last_Impression/article/details/166995655</link><guid>https://blog.csdn.net/Last_Impression/article/details/166995655</guid><author>Last_Impression</author><pubDate>Sat, 03 Oct 2026 07:30:00 +0800</pubDate><description><![CDATA[本文详解WorkBuddy高效配置指南：通过设置五条核心个性化指令，让AI更懂你；开启技能更新、存储迁移、记忆沉淀与对话记忆四大开关，提升性能与智能水平；绑定微信并启用锁屏运行，实现远程调度。真正拉开差距的不是提示词技巧，而是AI是否“认识”你。配置一次，长期受益，让AI成为真正懂你的工作伙伴。]]></description><category></category></item><item><title><![CDATA[【人工智能】卡片笔记法：从原子化思考到知识网络构建]]></title><link>https://blog.csdn.net/Last_Impression/article/details/166841758</link><guid>https://blog.csdn.net/Last_Impression/article/details/166841758</guid><author>Last_Impression</author><pubDate>Fri, 02 Oct 2026 08:00:00 +0800</pubDate><description><![CDATA[卡片笔记法通过“一张卡片一个想法”的原子化思考，结合文献与主笔记的分离存储，辅以闪念、永久、项目三类笔记，借助主题、思维链、位置、引用四类索引，构建可生长的知识网络。其核心在于五步循环工作流：记闪念→记文献→记主笔记→建连接→发展主题，强调高质量内容与连接并重，实现从记录到创造的可持续知识跃迁。]]></description><category></category></item><item><title><![CDATA[【人工智能】越使用 AI 写代码，软件工程的基础越重要]]></title><link>https://blog.csdn.net/Last_Impression/article/details/166842078</link><guid>https://blog.csdn.net/Last_Impression/article/details/166842078</guid><author>Last_Impression</author><pubDate>Fri, 02 Oct 2026 07:30:00 +0800</pubDate><description><![CDATA[越依赖AI写代码，软件工程基础越关键。智能体能生成“能跑”的代码，却无法替代架构决策与系统权衡。开发者需掌握全栈构建、数据管理、系统设计、安全可靠及生产运维五大能力，才能引导AI产出真正可用的系统。基础扎实者可借AI十倍提效，薄弱者仅得一堆“能跑不能用”的代码。AI不取代工程师，但将放大能力差距——基础，是驾驭AI的唯一通行证。]]></description><category></category></item><item><title><![CDATA[【人工智能】AI重塑企业：六变背后的人才革命]]></title><link>https://blog.csdn.net/Last_Impression/article/details/166829535</link><guid>https://blog.csdn.net/Last_Impression/article/details/166829535</guid><author>Last_Impression</author><pubDate>Thu, 01 Oct 2026 08:00:00 +0800</pubDate><description><![CDATA[AI重塑企业，带来六大变革：生产力跃升推动流程重构，引发人员分化；人的价值由执行转向调度Agent能力；组织摩擦被大幅消减；人才评价标准转向“可调度Agent数量”；权力结构因信息透明而动摇；企业亟需创造杠杆而非制造依赖的人才。转型核心在于战略先行，而非技术堆砌，真正挑战在于组织与人的重新定位。]]></description><category></category></item><item><title><![CDATA[【人工智能】AI 提效的关键：跟着 AI 在干中学]]></title><link>https://blog.csdn.net/Last_Impression/article/details/166828688</link><guid>https://blog.csdn.net/Last_Impression/article/details/166828688</guid><author>Last_Impression</author><pubDate>Thu, 01 Oct 2026 07:00:00 +0800</pubDate><description><![CDATA[AI 提效的关键在于“跟着 AI 在干中学”。大模型本质是概率预测，充满不确定性，需通过多 Agent 交叉验证提升可靠性。真正的提效是让 AI 做你擅长的事，并在协作中学习，而非完全依赖。AI 降低能力下限，但上限仍取决于个人学习与审美。唯有持续实践、不断精进，才能驾驭 AI，实现真正成长。]]></description><category></category></item><item><title><![CDATA[【人工智能】卢曼卡片笔记法实践指南]]></title><link>https://blog.csdn.net/Last_Impression/article/details/166788049</link><guid>https://blog.csdn.net/Last_Impression/article/details/166788049</guid><author>Last_Impression</author><pubDate>Wed, 30 Sep 2026 08:00:00 +0800</pubDate><description><![CDATA[卢曼卡片笔记法通过原子化卡片构建可生长的知识网络，核心在于让知识产生关联并服务于未来输出。强调每张卡片仅含一个观点，需主动提炼、强连接旧卡、明确用途。从临时笔记到永久卡片，经捕捉、提炼、连接、组合、输出五步流程，实现知识复用与创新。新手7日计划助快速上手，避免摘抄、堆叠、无连接等误区。在AI时代，此法解放精力，聚焦深度思考，真正让知识“活”起来。]]></description><category></category></item><item><title><![CDATA[【人工智能】一定要去建立个人知识库]]></title><link>https://blog.csdn.net/Last_Impression/article/details/166789778</link><guid>https://blog.csdn.net/Last_Impression/article/details/166789778</guid><author>Last_Impression</author><pubDate>Wed, 30 Sep 2026 07:45:00 +0800</pubDate><description><![CDATA[建立个人知识库是普通人入门AI的最佳途径。通过“建立—投喂—使用—反馈”四步闭环，结合AI辅助，可快速构建专属知识体系。以短视频口播稿为例，从内容生成到用户反馈回流，实现知识库持续进化。六大实操步骤助力高效上手，让AI成为越用越懂你的“第二大脑”。]]></description><category></category></item><item><title><![CDATA[【人工智能】JEV 模型：快速决策背后的成本逻辑]]></title><link>https://blog.csdn.net/Last_Impression/article/details/166784901</link><guid>https://blog.csdn.net/Last_Impression/article/details/166784901</guid><author>Last_Impression</author><pubDate>Tue, 29 Sep 2026 08:15:00 +0800</pubDate><description><![CDATA[JEV 能火多久还不清楚，不过现在的大模型厂商要实现这个功能，应该也不是一件非常困难的事情。]]></description><category></category></item><item><title><![CDATA[【人工智能】AI末世论：从RSI到人类命运的终极拷问]]></title><link>https://blog.csdn.net/Last_Impression/article/details/166778247</link><guid>https://blog.csdn.net/Last_Impression/article/details/166778247</guid><author>Last_Impression</author><pubDate>Tue, 29 Sep 2026 08:00:00 +0800</pubDate><description><![CDATA[它的全称是Recursive Self Improvement。翻译成中文就叫做递归自我改进。RSI其实也不是一个新东西，早在60年前就有了这个概念。60年前就有科学家说超级智能的机器可以生产出更好的机器，而更好的机器又可以用来去生产下一代更更好的机器。如此循环下去，就会导致智能爆炸。只不过早在60年前，当时的科学技术还没有出现在这么发达，所以说当时只是一个设想。但是近几年AI大模型迅速的发展，这件事情才离我们越来越近。]]></description><category></category></item><item><title><![CDATA[【人工智能】用AI搭建个人决策系统]]></title><link>https://blog.csdn.net/Last_Impression/article/details/166776654</link><guid>https://blog.csdn.net/Last_Impression/article/details/166776654</guid><author>Last_Impression</author><pubDate>Mon, 28 Sep 2026 09:51:38 +0800</pubDate><description><![CDATA[本文提出用AI搭建个人决策系统，通过四步法：定义问题（分离事实与情绪）、明确目标（厘清价值主张）、引入专家框架（运用成熟模型分析方案）、执行反馈（沉淀闭环）。借助AI消除模糊与内耗，将决策过程结构化、可迭代，逐步构建专属的理性决策体系。随着经验积累，系统越用越懂你，让每一次选择更清晰、更从容。]]></description><category></category></item><item><title><![CDATA[【人工智能】让 AI 帮你把决策想透]]></title><link>https://blog.csdn.net/Last_Impression/article/details/166775592</link><guid>https://blog.csdn.net/Last_Impression/article/details/166775592</guid><author>Last_Impression</author><pubDate>Mon, 28 Sep 2026 09:31:38 +0800</pubDate><description><![CDATA[在重要决策前，让AI分别从支持与反对立场“左右互搏”，全面呈现正反论据。通过四步法：挖掘正面理由、审视反面风险、厘清事实与假设、设计低成本测试，帮助你识别盲点。AI不替你做决定，而是暴露潜在问题，最终由你核实信息、验证假设并自主判断。提示词可直接使用，提升决策深度与理性。]]></description><category></category></item></channel></rss>